亞馬遜網(wǎng)絡(luò)服務(wù)公司正在尋求通過純粹的廣度和多樣性在競爭激烈的市場中使其人工智能產(chǎn)品與眾不同，因為云巨頭認為單個產(chǎn)品或平臺無法滿足大多數(shù)客戶的需求。

為此，云領(lǐng)導(dǎo)者的首席執(zhí)行官Andy Jassy在星期二放棄了幾個新的AI開發(fā)平臺功能和注入了機器學(xué)習(xí)的工具，以使該產(chǎn)品組合更加完善，從而使更多的客戶可以使用各個級別的強大技術(shù)。堆。

“機器學(xué)習(xí)不是一項單一的服務(wù)，” Jassy在AWS re：Invent會議上的主題演講中說。因此，AWS希望提供“最廣泛，最完整的機器學(xué)習(xí)功能集”。

他說，亞馬遜對多樣性的關(guān)注是使用AWS進行機器學(xué)習(xí)的公司的兩倍之多。

Jassy說：“開發(fā)人員，數(shù)據(jù)科學(xué)家和公司對從數(shù)據(jù)中獲取價值感到非常熱情和激動，以至于他們愿意使用笨拙的工具。”亞馬遜的戰(zhàn)略是使利用該技術(shù)變得非常容易得多，即通過擴展已經(jīng)全面的產(chǎn)品組合，使客戶能夠承受其能力。

在數(shù)據(jù)科學(xué)家和專家進行工作的堆棧最底層，AWS在其P3系列中引入了強大的實例。他說，這些創(chuàng)新帶來的性能優(yōu)于“山景城公司”設(shè)定的先前基準(zhǔn)，而不是直接命名競爭對手Google。

但是，與大多數(shù)其他云提供商不同，AWS不想通過單個ML框架來向所有人傳遞信息。

他說：“我們的團隊除了致力于優(yōu)化AWS上的TensorFlow性能外，什么也不做。”

但是，與開發(fā)人員和數(shù)據(jù)科學(xué)家的對話導(dǎo)致AWS得出結(jié)論，其中90%的人使用TensorFlow以外的多個框架，最著名的是PyTorch和MXNet。AWS不想強迫這些客戶將其所有工作移植到TensorFlow。

不斷升級，亞馬遜提供了SageMaker，這是Jassy所說的產(chǎn)品，它在開發(fā)人員構(gòu)建，訓(xùn)練和部署ML模型的方式上引入了“海平面”變化。

該自動化平臺發(fā)展迅速，去年增加了50多種功能，例如SageMaker Ground Truth和AWS ML Marketplace。

但是Jassy承認，“ SageMaker步驟之間的所有工作仍然比我們希望的要難得多。”機器學(xué)習(xí)從未有過端到端的集成開發(fā)人員環(huán)境。

他于周二推出了Amazon SageMaker Studio，它通過一個完全集成的環(huán)境來開發(fā)機器學(xué)習(xí)來改變這一現(xiàn)狀。

賈西談到新的開發(fā)環(huán)境時說：“這是一個巨大的飛躍。”

SageMaker Studio是一個基于Web的IDE，可以存儲代碼，筆記本，數(shù)據(jù)集，并使它們都可以從單個窗格訪問，從而更輕松地管理構(gòu)建ML模型的所有部分。

Jassy還推出了Amazon SageMaker Notebook和Amazon SageMaker Experience，Amazon SageMaker Notebook可以通過單擊旋轉(zhuǎn)Jupyter筆記本，Amazon SageMaker Experience可以自動組織和搜索涉及構(gòu)建，訓(xùn)練和調(diào)整模型的每個步驟。

培訓(xùn)機器學(xué)習(xí)模型中的一個令客戶感到沮喪的是，他們在自動平臺上構(gòu)建時的黑盒性質(zhì)。